1.1 天文学与天体物理学领域 Top 10 热点前沿发展态势 085 1.2 重点热点前沿⸺“基于超新星光变曲线数据约束宇宙学参数” 086 1.3 重点热点前沿⸺“通过直接探测实验寻找低质量暗物质候选粒子” 089 数学 1. 热点前沿及重点热点前沿解读 095 1.1 数学领域 Top 10 热点前沿发展态势 095 1.2 重点热点前沿⸺“现代机器学习中的双降曲线与泛化现象研究” 120 2. 新兴前沿及重点新兴前沿解读 123 2.1 新兴前沿概述 123 2.2 重点新兴前沿⸺“生成式人工智能在商业领域的应用实践与风险治理” 123 附录 研究前沿综述：寻找科学的结构 124 报告研究团队 134 2025 ① 引用核心论文的论文，也称引文。 1. 背景 科学研究的世界呈现出蔓延生长、不断演化的景 象。科研管理者和政策制定者需要掌握科研的进展和 的高温超导特性研究 43 1757 2023.6 2.2 重点新兴前沿――“双层镍氧化物 La3 Ni2 O7 的高温超导特性研究” 超导研究一直是凝聚态物理领域的重要前沿方 向，科学家持续致力于寻找具有更高超导转变温度的 超导体和揭示超导机理。目前，常规超导体常压下的 超导转变温度纪录为 39K，非常规超导体的超导转变 温度纪录保持者是铜氧化物，常压下为 133K。非常规 超导体主要包括铜氧化物高温超导体、铁基超导体和

门内容，它通过模仿人体大脑神经网络的学习过程，模仿人的思 考方式，在各种复杂条件下进行决策优化。 （二）AI人工智能技术种类 一是优化算法：优化算法能够从一个特定的系统中寻找最 值，并利用函数的表达方式来寻找问题，并与梯度下降法进行配 合使用。但是，在实践中，各系统的函数表达方式有很大差别； 二是人工神经网络技术：该技术是目前最先进的人工智能技术之 一，在运用人工神经网络技术的过程中，其核心思想就是利用神

1 2 3 战略 组织 机制 策略落地 “通过数字化转型评估模型建设，落实行 动指标与战略目标的关联，推动转型落地” www.top100summit.com 核心实践 基于企业战略寻找数字化转型的“北极星指标”，并最终实现决策引领 ✓ 综合衡量产品的用户价值及商业目标，度量业务长期健康度；将业务目标数据化，并通过数据的表现，反向指导业务 方向 ✓ 在指标体系中引入“北极星” 涵盖了从框架到方法、到策略、到能力、 到指标的逐层解析，同时引入度量中台， 实现与业务经营指标之间的衔接； • 聚焦于转型规划及评估。 • 是行业大量实践经验的总结和提炼，并 工具化，缩短寻找战略方向的时间和试 错成本； • 大量策略集和指标集的推出，丰富了数 字资产； • 聚焦于转型规划后的落地； • 标准化及参数化设计实现可复用，并实 现人机交互，降低应用门槛，解决行业

园区历史设备与系统情况复杂，各建筑的智能化设备拥有 多个管理平台； 希望通过能源管理系统，寻找节能降碳的潜力和空间。 实现各项碳排数据和能源数据的完整性，真实性，透明性； 降低运维管理成本； 助力实现西门子2030碳中和目标。 客户挑战： 对多场景（厂房，办公，实验室，食堂等）实现有差异化的精 细能源管理; 希望通过能源管理，了解工厂用能结构，寻找节能降碳的潜 力和空间; 希望对重点能耗设备进行参数监控和分析，为节能技改项

适应症上看，肿瘤、免疫学及神经病学领域占比最大，分别为37%、21%和14%。随着全球肿瘤疾病负担日益提升，发现癌症 的治疗方法是21世纪最重大的公共卫生挑战之一；免疫学排在第二位，21%的公司将其AI技术用于寻找免疫学疾病的治疗。 AI技术在各药物发现阶段、多疾病领域广泛应用 按药物发现阶段划分的700家AI制药公司 AI在药物开发中涉及的疾病领域 AI 制药：AI在多疾病领域广泛应用 资料来源：Deep 通过机器学习，在蛋白质的原始信息中提取关键特性以精准构建模型，进行功能的推断、预测及分类 大数据 通过深度学习，从大量患者样本及生物医学资料中整理筛选相关基因组学、蛋白质组学、代谢组学等多组学数据，分析疾病 与非疾病间差异，或寻找可对疾病产生影响的蛋白质 基于表型的药物发现 机器学习 通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，获得靶点、信号通路或遗 传疾病相关聚类 分子生成 利用机器人云实验室实现样品分析自动化 信息的收集与汇总 高效的时间与资源信息管理 • 从数千个不相关的数据源中形成观点 • 改善决策 • 消除研究中的盲点 现有药物的再利用 寻找现有药物的规模化新应用 • 迅速确定新的适应症 • 将现有药物与罕见疾病相匹配 • 在100+细胞疾病模型中平行测试1000+化 合物 资料来源：Deep Pharma Intelligence，西南证券整理

精益现场规划价值点 ① 消除库存浪费，腾出空间，空间活用； ② 分区规划，减少搬运及多于动作浪费； ③ 设备、工具定位，消除寻找等待时间； ④ 工作场所一目了然，防止误用、误送； ⑤ 消除赃污，稳定品质，防止制造不良； ⑥ 快速收发，减少搬运、等待寻找时间； ⑦ 快速盘点校正库存数据，提高准确率； ⑧ 做到一物一卡一账的清晰、规范管理； ⑨ 培养员工好习惯，营造团体文明精神。

逐一重做一遍........................................................................19 2.3 制药 AI：下行时期，在变化之中寻找新的机遇...........................................................23 2.3.1 技术变化...................... 划合理制定等方面的战略管控工作。 目前，熙软医疗的医院运营管理智能已在多家医院落地，并在其中部分医院实现商业化， 成为医疗 IT 大模型落地的典例。 2.3 制药 AI：下行时期，在变化之中寻找新的机遇 自 2020 年制药 AI 在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。 此前，AI 主导的进入临床试验阶段的创新药项目仅为个位数。2021 年这一数字已迅速 增长至 日成功在港交挂牌上市。 3.3 讨论：逆市之下，人工智能如何自救 如果将时间放得足够长远，AI 必然能够颠覆式的生产力，从每一个细节重塑医疗体系。 但在当下，医疗 AI 必须控制成本，同时尽可能寻找一些能够快速制造现金流的路径， 在下行期中活下去。  选择合适的商业模式 在经济下行时期，一味追求商业模式的创新性，可能错失一些好的、传统的盈利机会。 在第二章中，我们曾对影像 AI 的商业化模式进行了盘点，特殊时期下，AI

适应症上看，肿瘤、免疫学及神经病学领域占比最大，分别为37%、21%和14%。随着全球肿瘤疾病负担日益提升，发现癌症 的治疗方法是21世纪最重大的公共卫生挑战之一；免疫学排在第二位，21%的公司将其AI技术用于寻找免疫学疾病的治疗。 AI技术在各药物发现阶段、多疾病领域广泛应用 按药物发现阶段划分的约700家AI制药公司 AI在药物开发中涉及的疾病领域 AI 制药：AI在多疾病领域广泛应用 资料来源：Deep 通过机器学习，在蛋白质的原始信息中提取关键特性以精准构建模型，进行功能的推断、预测及分类 大数据 通过深度学习，从大量患者样本及生物医学资料中整理筛选相关基因组学、蛋白质组学、代谢组学等多组学数据，分析 疾病与非疾病间差异，或寻找可对疾病产生影响的蛋白质 基于表型的药物发现 机器学习 通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，获得靶点、信号通路 或遗传疾病相关聚类 分子生成 利用机器人云实验室实现样品分析自动化 信息的收集与汇总 高效的时间与资源信息管理 • 从数千个不相关的数据源中形成观点 • 改善决策 • 消除研究中的盲点 现有药物的再利用 寻找现有药物的规模化新应用 • 迅速确定新的适应症 • 将现有药物与罕见疾病相匹配 • 在100+细胞疾病模型中平行测试1000+化 合物 资料来源：Deep Pharma Intelligence，西南证券整理

XXX 笔 预测 统计型 归因型 预测型 决策型 透支余额 同比 -10% 户均额度 XXX 万 卡量增长 YY% DeepSeek 能做吗？注意力机制类似指标树结构，都是寻找变 量之间的关系 行业影响：缩小技术 鸿沟，推动生态变革 04 中小银行逆袭机会 低成本模型赋能 DeepSeek 的低成本特性，使中小银行无需巨 额算力投入即可享受先进 AI 技术，显著降低技

验者。 而审美 体验则要求真实性，以此呈现其本质，触动顾客的心灵。 • 同时，不仅要满足客户的期望，还需要超越客户的期望，采用使人惊喜 的 方式把一般的服务转化为难忘的体验。 分析需求：寻找独特点 推出体验：体验丰富化，使顾客产生惊喜 跟踪实施：建立学习关系 娱乐的 教育的 审美的 逃避现实的 典型场景分析【营销】—— com 泛用程度 企 业 价 值 落地思索 = 场景 （数据 + 流程 + 算法） AI 能力的突破依然能带来惊喜 应用核心：专注于场景的细分需求，结合业务问题，寻找可 实现的最佳落地点，更快地提供商业价值 Know Why • 基于用户的细分 行业属性，熟悉 细分行业的需求 价值 • 基于用户的业务 • …… 风险管控 资源匹配 技术需求 目标规划 不唯“大模型”论：带着行业理解，在具体场景中寻找答案 深入理解业务需求，在细化需求中寻找到核心矛盾并解决 • 在不同阶段和层面对 项目的工作内容从主 项、分项、子项甚至 单体的各个部分进行 拆分（例如采用 WBS ），实现项目关